基于人工智能的電網(wǎng)基建現(xiàn)場管理單元，由淺入深逐步解決基建過程中的管控難題，通過監(jiān)測現(xiàn)場主要風(fēng)險控制情況，達到及時控制現(xiàn)場變量、消除施工安全風(fēng)險的根本目的，實現(xiàn)人工智能輔助電網(wǎng)建設(shè)管理。 圖像識別、機器學(xué)習(xí)的算法開發(fā) 作為深度學(xué)習(xí)內(nèi)容之一的計算機視覺，應(yīng)該說是受AI技術(shù)影響最大的領(lǐng)域。圖像數(shù)據(jù)作為電網(wǎng)大數(shù)據(jù)中密不可分的一部分，傳統(tǒng)圖像處理方法往往基于任務(wù)人為地制定一些規(guī)則，通過對圖像特征進行數(shù)學(xué)運算來達到分割、處理等任務(wù)。但圖像數(shù)據(jù)中往往有較為復(fù)雜的背景噪聲，基于規(guī)則的算法易受噪聲干擾，且難以有效地利用圖像目標(biāo)數(shù)據(jù)中豐富的特征，故圖像數(shù)據(jù)作為電網(wǎng)數(shù)據(jù)中數(shù)據(jù)量很大的組成部分，一直難以有效利用。深度學(xué)習(xí)的出現(xiàn)為電網(wǎng)圖像數(shù)據(jù)任務(wù)引入了新的思想和工具，其在電網(wǎng)圖像的數(shù)據(jù)的應(yīng)用中起到了重要作用，主要應(yīng)用場景為無人機巡檢、智能檢測設(shè)備形體及電力信息安全等。基于深度學(xué)習(xí)理論，對電力施工場景進行多目標(biāo)識別和定位，根據(jù)對目標(biāo)的識別、定位以及軌跡追蹤，對施工場景進行描述，并且判斷該場景的危險等級，及時預(yù)警，防止在電力施工過程中發(fā)生嚴(yán)重的安全事故。